/ Модель

Характеристики

Контекст
512 токенов
Параметры
144 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
17 авг 2022

ko-sbert-augSTS-maxlength512

ЭмбеддингиТекст → embedding8 профессий

Корейская BERT-модель создаёт векторы предложений и абзацев для семантического поиска, сравнения и кластеризации текстов.

76скачиваний за 30 дней1лайквеса обновлены17 авг 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

smartmind/ko-sbert-augSTS-maxlength512 — модель эмбеддингов предложений на базе BERT, опубликованная smartmind. Она преобразует предложения и абзацы на корейском языке в плотные векторы размерностью 768 для поиска по смыслу, кластеризации и сравнения семантической близости. Вариант основан на snunlp/KR-SBERT-V40K-klueNLI-augSTS и поддерживает входную последовательность длиной до 512 токенов.

Модель подходит для семантического поиска и группировки корейских текстов, а также может использоваться как представление текста в задачах классификации документов. В README приведён результат 0,8628 для KR-SBERT-V40K-klueNLI-augSTS в сравнении моделей на задаче классификации документов; этот показатель не следует считать гарантией качества для данного репозитория или иных наборов данных. Доступны веса PyTorch, лицензия MIT.

Сценарии применения

  • поиск корейских документов по смыслу
  • сравнение семантической близости корейских предложений
  • кластеризация корейских текстов по темам
  • получение эмбеддингов корейских абзацев для последующей классификации

Ограничения

Вход ограничен 512 токенами. README не содержит данных о качестве на других задачах или языковых доменах.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

smartmind/ko-sbert-augSTS-maxlength512

This is a sentence-transformers model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search.

This model is snunlp/KR-SBERT-V40K-klueNLI-augSTS with max input length 512.

Usage (Sentence-Transformers)

Using this model becomes easy when you have sentence-transformers installed:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('smartmind/ko-sbert-augSTS-maxlength512')
embeddings = model.encode(sentences)
print(embeddings)

Usage (HuggingFace Transformers)

Without sentence-transformers, you can use the model like this: First, you pass your input through the transformer model, then you have to apply the right pooling-operation on-top of the contextualized word embeddings.

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('smartmind/ko-sbert-augSTS-maxlength512')
model = AutoModel.from_pretrained('smartmind/ko-sbert-augSTS-maxlength512')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

Evaluation Results

For an automated evaluation of this model, see the Sentence Embeddings Benchmark: https://seb.sbert.net

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

Application for document classification

Tutorial in Google Colab: https://colab.research.google.com/drive/1S6WSjOx9h6Wh_rX1Z2UXwx9i_uHLlOiM

ModelAccuracy
KR-SBERT-Medium-NLI-STS0.8400
KR-SBERT-V40K-NLI-STS0.8400
KR-SBERT-V40K-NLI-augSTS0.8511
KR-SBERT-V40K-klueNLI-augSTS0.8628

Citation

@misc{kr-sbert,
  author = {Park, Suzi and Hyopil Shin},
  title = {KR-SBERT: A Pre-trained Korean-specific Sentence-BERT model},
  year = {2021},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/snunlp/KR-SBERT}}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
ca09fe1

0 моделей